paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
YC

Yongchang Cao

ACL 2026效率与系统代码
新星分贡献者
33
一作贡献0
核心/参与12
方向广度4
合作网络6
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #2/7ACL 2026Findings· Findings of ACL

To Diff or Not to Diff? Structure-Aware and Adaptive Output Formats for Efficient LLM -based Code Editing

Wei Cheng · Yongchang Cao · Chen Shen · Binhua Li · Jue Chen · Yongbin Li · Wei Hu

摘要

Large Language Models (LLMs) are increasingly used for code editing, yet the prevalent full-code generation paradigm suffers from severe efficiency bottlenecks, posing challenges for interactive coding assistants that demand low latency and cost. Despite the predominant focus on scaling model cap...

效率与系统代码OpenReview 项目页

常见合作者